論文の概要: Residual Feature Pyramid Network for Enhancement of Vascular Patterns
- arxiv url: http://arxiv.org/abs/2306.17200v1
- Date: Thu, 29 Jun 2023 09:14:42 GMT
- ステータス: 処理完了
- システム内更新日: 2023-07-03 14:32:14.706769
- Title: Residual Feature Pyramid Network for Enhancement of Vascular Patterns
- Title（参考訳）: 残存特徴ピラミッドネットワークによる血管パターンの強化
- Authors: Ketan Kotwal and Sebastien Marcel
- Abstract要約: 本稿では,認識パイプラインに対する汎用的な前処理手法として,指紋強調技術であるResFPNを提案する。
新規な構造検出ブロック(SDBlock)を用いたボトムアップピラミッドアーキテクチャは,様々な幅の静脈の抽出を容易にする。
提案手法を改良することにより,一般的な認識パイプラインにおける平均認識誤差の最大5%まで低減できることを示す。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The accuracy of finger vein recognition systems gets degraded due to low and
uneven contrast between veins and surroundings, often resulting in poor
detection of vein patterns. We propose a finger-vein enhancement technique,
ResFPN (Residual Feature Pyramid Network), as a generic preprocessing method
agnostic to the recognition pipeline. A bottom-up pyramidal architecture using
the novel Structure Detection block (SDBlock) facilitates extraction of veins
of varied widths. Using a feature aggregation module (FAM), we combine these
vein-structures, and train the proposed ResFPN for detection of veins across
scales. With enhanced presentations, our experiments indicate a reduction upto
5% in the average recognition errors for commonly used recognition pipeline
over two publicly available datasets. These improvements are persistent even in
cross-dataset scenario where the dataset used to train the ResFPN is different
from the one used for recognition.
- Abstract（参考訳）: 指の静脈認識システムの精度は、静脈と周囲とのコントラストの低さと不均一さによって低下し、しばしば静脈パターンの検出に支障をきたす。
本稿では,認識パイプラインに依存しない汎用前処理手法として,ResFPN(Residual Feature Pyramid Network)を提案する。
新規な構造検出ブロック(SDBlock)を用いたボトムアップピラミッドアーキテクチャは,様々な幅の静脈の抽出を容易にする。
特徴集約モジュール(FAM)を用いて、これらの静脈構造を組み合わせて、提案したResFPNを訓練し、静脈のスケールにわたって検出する。
プレゼンテーションの強化により、2つの公開データセット上で一般的に使用される認識パイプラインの平均認識誤差を最大5%削減できることを示す。
これらの改善は、resfpnのトレーニングに使用されるデータセットが認識に使用されるものと異なるクロスデータセットシナリオにおいても永続的である。
関連論文リスト
- INN-PAR: Invertible Neural Network for PPG to ABP Reconstruction [9.127220498800645]
ABP再建のための可逆ニューラルネットワーク(INN-PAR)を提案する。
INN-PARは、フォワードマッピングと逆マッピングの両方を同時に捕捉し、情報損失を防止する。
本稿では,可逆ブロック内のマルチスケール畳み込みモジュール(MSCM)を提案する。
論文 参考訳（メタデータ） (2024-09-13T17:48:48Z) - DiffVein: A Unified Diffusion Network for Finger Vein Segmentation and
Authentication [50.017055360261665]
DiffVeinは、静脈分割と認証タスクを同時に処理する統合拡散モデルベースのフレームワークである。
これら2つのブランチ間の機能相互作用を改善するために,2つの特別なモジュールを導入する。
このようにして、我々のフレームワークは拡散とセグメンテーションの埋め込みの間の動的相互作用を可能にする。
論文 参考訳（メタデータ） (2024-02-03T06:49:42Z) - DiAD: A Diffusion-based Framework for Multi-class Anomaly Detection [55.48770333927732]
本稿では,拡散型異常検出(Difusion-based Anomaly Detection, DAD)フレームワークを提案する。
画素空間オートエンコーダ、安定拡散の復調ネットワークに接続する潜在空間セマンティックガイド(SG)ネットワーク、特徴空間事前学習機能抽出器から構成される。
MVTec-ADとVisAデータセットの実験は、我々のアプローチの有効性を実証している。
論文 参考訳（メタデータ） (2023-12-11T18:38:28Z) - Domain Adaptive Synapse Detection with Weak Point Annotations [63.97144211520869]
弱点アノテーションを用いたドメイン適応型シナプス検出のためのフレームワークであるAdaSynを提案する。
I SBI 2023のWASPSYNチャレンジでは、我々の手法が第1位にランクインした。
論文 参考訳（メタデータ） (2023-08-31T05:05:53Z) - Recovering high-quality FODs from a reduced number of diffusion-weighted
images using a model-driven deep learning architecture [0.0]
モデル駆動型深層学習FOD再構成アーキテクチャを提案する。
ネットワークが生成する中間および出力FODが、入力されたDWI信号と一致していることを保証する。
モデルに基づくディープラーニングアーキテクチャは,最先端のFOD超解像ネットワークであるFOD-Netと比較して,競争性能が向上することを示す。
論文 参考訳（メタデータ） (2023-07-28T02:47:34Z) - Affinity Feature Strengthening for Accurate, Complete and Robust Vessel
Segmentation [48.638327652506284]
血管セグメンテーションは、冠動脈狭窄、網膜血管疾患、脳動脈瘤などの多くの医学的応用において重要である。
コントラストに敏感なマルチスケールアフィニティアプローチを用いて,幾何学的手法と画素単位のセグメンテーション特徴を連成的にモデル化する新しいアプローチであるAFNを提案する。
論文 参考訳（メタデータ） (2022-11-12T05:39:17Z) - Disentangled Representation Learning for RF Fingerprint Extraction under
Unknown Channel Statistics [77.13542705329328]
本稿では,まず,不整合表現学習(DRL)の枠組みを提案し,入力信号を逆学習によりデバイス関連成分とデバイス関連成分に分解する。
提案フレームワークにおける暗黙的なデータ拡張は、デバイス非関連チャネル統計の過度な適合を避けるために、RFF抽出器に正規化を課す。
実験により、DR-RFFと呼ばれる提案手法は、未知の複雑な伝播環境に対する一般化可能性の観点から従来の手法よりも優れていることが示された。
論文 参考訳（メタデータ） (2022-08-04T15:46:48Z) - MD-CSDNetwork: Multi-Domain Cross Stitched Network for Deepfake
Detection [80.83725644958633]
現在のディープフェイク生成法では、偽画像やビデオの周波数スペクトルに識別的アーティファクトが残されている。
MD-CSDNetwork(MD-CSDNetwork)と呼ばれる新しい手法を提案する。
論文 参考訳（メタデータ） (2021-09-15T14:11:53Z) - A Deep Learning-Based Unified Framework for Red Lesions Detection on
Retinal Fundus Images [3.5557219875516646]
糖尿病性網膜症(DR)の早期徴候は,小動脈瘤 (MAs) と出血 (HMs) である。
既存の手法のほとんどは、テクスチャ、サイズ、形態の違いから、MAまたはHMのみを検出する。
そこで本研究では,小病変と大病変を同時に扱う2流レッド病変検出システムを提案する。
論文 参考訳（メタデータ） (2021-09-10T00:12:13Z) - Hierarchical Convolutional Neural Network with Feature Preservation and
Autotuned Thresholding for Crack Detection [5.735035463793008]
ドローンの画像はインフラ表面の欠陥の自動検査にますます使われている。
本稿では,階層型畳み込みニューラルネットワークを用いた深層学習手法を提案する。
提案手法は, 道路, 橋, 舗装の表面ひび割れの同定に応用されている。
論文 参考訳（メタデータ） (2021-04-21T13:07:58Z) - F3RNet: Full-Resolution Residual Registration Network for Deformable
Image Registration [21.99118499516863]
変形性画像登録(DIR)は多くの画像誘導療法に必須である。
我々は、新しい教師なし登録ネットワーク、すなわちF3RNet(Full-Resolution Residual Registration Network)を提案する。
1つのストリームは、正確なボクセルレベルの登録を容易にするフルレゾリューション情報を利用する。
他方のストリームは、深いマルチスケールの残差表現を学習し、ロバストな認識を得る。
論文 参考訳（メタデータ） (2020-09-15T15:05:54Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。